Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Utvikling av et nytt konvolusjonsnevralt nettverk for arytmiklassifisering (AI-ECG)

4. november 2020 oppdatert av: Sanjeev Bhavnani MD, Scripps Clinic

Utvikling av et nytt konvolusjonsnevralt nettverk for arytmiklassifisering for sjokkbare hjerterytmer

Å identifisere riktig arytmi på tidspunktet for en klinikkhendelse inkludert hjertestans er av høy prioritet for pasienter, helseorganisasjoner og for folkehelsen. Nylig utvikling innen kunstig intelligens og maskinlæring gir nye muligheter for raskt og nøyaktig å diagnostisere hjertearytmier og for hvordan nye mobile helse- og hjertetelemetrienheter brukes i pasientbehandling. Den nåværende undersøkelsen tar sikte på å validere en ny statistisk tilnærming med kunstig intelligens kalt 'convolution neural network classifier' og dens ytelse til forskjellige arytmier diagnostisert på 12-avlednings-EKG og enkelt-avlednings Holter/hendelsesovervåking. Disse arytmiene inkluderer; atrieflimmer, supraventrikulær takykardi, AV-blokk, asystoli, ventrikkeltakykardi og ventrikkelflimmer, og vil bli benchmarket til American Heart Associations ytelseskriterier (95 % ensidig konfidensintervall på 67-92 % basert på arytmitype). For å gjøre det, er studietilnærmingen å lage en stor EKG-database med avidentifiserte rå EKG-data, og å trene det nevrale nettverket på EKG-dataene for å forbedre den diagnostiske nøyaktigheten.

Studieoversikt

Status

Fullført

Forhold

Intervensjon / Behandling

Studietype

Observasjonsmessig

Registrering (Faktiske)

25458

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

  • Forente stater
    • California
      • San Diego, California, Forente stater, 92037
        • Scripps Clinic

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

  • VOKSEN
  • OLDER_ADULT
  • BARN

Tar imot friske frivillige

Ja

Kjønn som er kvalifisert for studier

Alle

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Personer som gjennomgår et 12-avlednings EKG eller Holter/Event-overvåking

Beskrivelse

Inklusjonskriterier:

  • Alle EKG-data kompilert fra 12-avlednings-EKG, enkelt- og flere avledningsdatabaser

Ekskluderingskriterier:

  • Ingen

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Kohorter og intervensjoner

Gruppe / Kohort
Intervensjon / Behandling
EKG-data
Kodede data inkludert; bølgelengder, amplitude, intervaller, timing, frekvens
Annen: Neural Network Classifier
Det konvolusjonelle nevrale nettverket er konfigurert til å motta et elektrokardiogramsegment som en inngang og til å generere en utgang som indikerer om det mottatte elektrokardiogramsegmentet representerer en hjertearytmi. Ingen spesifikke trekk ved elektrokardiogrammet er identifisert til det konvolusjonelle nevrale nettverket, og det mottatte elektrokardiogramsegmentet blir ikke filtrert, transformert eller behandlet før mottak av algoritmen. Algoritmen trenes på lignende måte - elektrokardiogramsegmentene er den eneste inngangen til det konvolusjonelle nevrale nettverket.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Diagnostisk nøyaktighet
Tidsramme: 1 ÅR
American Heart Association EKG ytelseskriterier
1 ÅR

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Sponsor

Scripps Clinic

Etterforskere

  • Hovedetterforsker: Sanjeev Bhavnani, MD, Scripps Clinic Medical Group

Publikasjoner og nyttige lenker

Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.

Generelle publikasjoner

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (FAKTISKE)

1. oktober 2018

Primær fullføring (FAKTISKE)

1. mars 2020

Studiet fullført (FAKTISKE)

1. oktober 2020

Datoer for studieregistrering

Først innsendt

5. september 2018

Først innsendt som oppfylte QC-kriteriene

5. september 2018

Først lagt ut (FAKTISKE)

7. september 2018

Oppdateringer av studieposter

Sist oppdatering lagt ut (FAKTISKE)

6. november 2020

Siste oppdatering sendt inn som oppfylte QC-kriteriene

4. november 2020

Sist bekreftet

1. november 2020

Mer informasjon

Begreper knyttet til denne studien

Nøkkelord

Ytterligere relevante MeSH-vilkår

Andre studie-ID-numre

  • 027527

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Abonnere